基于网页视频的语音搜索方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109697245A(43)申请公布日2019.04.30(21)申请号201811480054.7(22)申请日2018.12.05(71)申请人百度在线网络技术（北京）有限公司地址100085北京市海淀区上地十街10号百度大厦三层(72)发明人王群(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人宋合成(51)Int.Cl.G06F16/73(2019.01)G06F16/735(2019.01)权利要求书2页说明书9页附图4页(54)发明名称基于网页视频的语音搜索方法和装置(57)摘要本申请提出一种基于网页视频的语音搜索方法和装置，其中，方法包括：通过网页中预先设置的语音交互接口获取用户输入的语音搜索信息；检测语音搜索信息是否包括用户观看的当前视频帧；在获知语音搜索信息包括当前视频帧时从语音搜索信息中提取与当前视频帧对应的引导搜索词；根据引导搜索词在当前视频帧中确定目标搜索对象并通过预设的图像数据库识别目标搜索对象获取对应的第一搜索文本信息；获取与第一搜索文本信息对应的搜索结果并根据视频的当前播放模式确定网页的可视区域进而将搜索结果渲染在可视区域。由此，能够在用户观看视频的过程中根据语音搜索信息检索相关的知识，提升用户使用体验。CN109697245ACN109697245A权利要求书1/2页1.一种基于网页视频的语音搜索方法，其特征在于，包括以下步骤：通过所述网页中预先设置的语音交互接口获取所述用户输入的语音搜索信息；检测所述语音搜索信息是否包括所述用户观看的当前视频帧；若获知所述语音搜索信息包括所述当前视频帧，则从所述语音搜索信息中提取与所述当前视频帧对应的引导搜索词；根据所述引导搜索词在所述当前视频帧中确定目标搜索对象，并通过预设的图像数据库识别所述目标搜索对象获取对应的第一搜索文本信息；获取与所述第一搜索文本信息对应的搜索结果，并根据所述视频的当前播放模式确定所述网页的可视区域，进而将所述搜索结果渲染在所述可视区域。2.如权利要求1所述的方法，其特征在于，在所述检测所述语音搜索信息是否包括所述用户观看的当前视频帧之后，还包括：若获知所述语音搜索信息不包括所述当前视频帧，则从所述语音搜索信息中提取关键搜索词；通过预设的语音数据库识别所述关键搜索词获取对应的第二搜索文本信息；获取与所述第二搜索文本信息对应的搜索结果，并根据所述视频的当前播放模式确定所述网页的可视区域，进而将所述搜索结果渲染在所述可视区域。3.如权利要求1所述的方法，其特征在于，所述从所述语音搜索信息中提取与所述当前视频帧对应的引导搜索词，包括：将所述语音搜索信息转换为文本搜索信息；在预设的指令库中进行匹配与所述文本搜索信息对应的引导搜索词。4.如权利要求1所述的方法，其特征在于，所述根据所述视频的当前播放模式确定所述网页的可视区域，进而将所述搜索结果渲染在所述可视区域，包括：根据所述视频的当前播放模式为竖屏播放，确定所述网页的可视区域为视频屏幕的上半部分/下半部分；将所述搜索结果以浮层形式渲染在所述视频屏幕的上半部分/下半部分。5.如权利要求1所述的方法，其特征在于，所述根据所述视频的当前播放模式确定所述网页的可视区域，进而将所述搜索结果渲染在所述可视区域，包括：根据所述视频的当前播放模式为横屏播放，确定所述网页的可视区域为视频屏幕的左半部分/右半部分；将所述搜索结果以浮层形式渲染在所述视频屏幕的左半部分/右半部分。6.一种基于网页视频的语音搜索装置，其特征在于，包括：第一获取模块，用于通过所述网页中预先设置的语音交互接口获取所述用户输入的语音搜索信息；检测模块，用于检测所述语音搜索信息是否包括所述用户观看的当前视频帧；提取模块，用于若获知所述语音搜索信息包括所述当前视频帧，则从所述语音搜索信息中提取与所述当前视频帧对应的引导搜索词；确定识别模块，用于根据所述引导搜索词在所述当前视频帧中确定目标搜索对象，并通过预设的图像数据库识别所述目标搜索对象获取对应的第一搜索文本信息；第二获取模块，用于获取与所述第一搜索文本信息对应的搜索结果；2CN109697245A权利要求书2/2页渲染模块，用于根据所述视频的当前播放模式确定所述网页的可视区域，进而将所述搜索结果渲染在所述可视区域。7.根据权利要求6所述的装置，其特征在于，还包括：所述提取模块，还用于若获知所述语音搜索信息不包括所述当前视频帧，则从所述语音搜索信息中提取关键搜索词；第三获取模块，用于通过预设的语音数据库识别所述关键搜索词获取对应的第二搜索文本信息；所述第二获取模块，还用于获取与所述第二搜索文本信息对应的搜索结果；所述渲染模块，还用于根据所述视频的当前播放模式确定所述网页的可视区域，进而将所